Économiste · Le spécialiste de la rareté — de l'usine d'épingles d'Adam Smith à la salle de décision de la banque centrale, toujours invité à prédire ce qu'aucun modèle ne saisit entièrement.
Plus la case est foncee, plus le score de cet indicateur est eleve.
MoinsPlus
Derniere relecture Sources et creditsCrédits médiasMéthodologie
Trois grandes filières partagent le titre : les universitaires qui recherchent et enseignent, les économistes de politique publique aux banques centrales, aux ministères et dans des organismes comme le FMI, et les économistes du secteur privé dans les banques, les cabinets de conseil et les entreprises technologiques. Le travail quotidien est similaire partout : nettoyer les données, estimer des modèles, rédiger et expliquer les résultats à ceux qui doivent agir sur leur base.
Légalement non — le titre n'est protégé nulle part. En pratique, les postes de recherche dans les universités, les banques centrales et les institutions internationales sont quasi réservés aux docteurs, tandis que les ministères, les banques commerciales et les cabinets de conseil recrutent au niveau master, et le Government Economic Service britannique recrute directement depuis la licence. Le doctorat est la carte syndicale de la filière recherche, pas de la profession.
La médiane aux États-Unis était d'environ 115 000 dollars en 2023 selon le Bureau of Labor Statistics, avec les économistes de la Réserve fédérale et du FMI au-dessus, et les économistes en chef des grandes banques gagnant 500 000 dollars ou plus. La rémunération nominale est bien plus faible ailleurs : un économiste du gouvernement en Inde ou au Brésil gagne une petite fraction des chiffres américains pour un travail identique.
Strictement, non — c'est le prix de la Banque de Suède en sciences économiques en mémoire d'Alfred Nobel, doté par la banque centrale suédoise en 1968 et décerné pour la première fois en 1969, soixante-huit ans après les prix originaux. Il est remis lors de la même cérémonie à Stockholm avec la même dotation, ce qui explique pourquoi presque tout le monde, y compris les économistes, dit simplement Nobel.
Lorsque la reine Élisabeth II a visité la London School of Economics en novembre 2008, elle a posé exactement cette question. La réponse écrite de la British Academy a imputé « un échec de l'imagination collective de nombreuses personnes brillantes » : les modèles macroéconomiques standard laissaient simplement le système financier de côté. L'épisode a forcé la réintégration de la banque et du crédit dans les modèles dominants, une reconstruction toujours en cours.
Un analyste financier évalue des entreprises et des titres précis pour orienter des décisions d'investissement, généralement accrédité par le programme CFA. Un économiste étudie comment se comportent des systèmes entiers — inflation, emploi, commerce, pauvreté — et pose des questions causales à leur sujet. La formation diffère en conséquence : les analystes apprennent la comptabilité et l'évaluation, les économistes l'économétrie et la modélisation, généralement via un master ou un doctorat.
Les économistes sont inhabituellement exposés à l'IA de leur propre aveu : le métier consiste à lire, programmer, estimer et rédiger — exactement les tâches que les grands modèles de langage gèrent le mieux. Les enquêtes auprès de la profession et sa propre recherche sur l'automatisation placent l'économie bien au-dessus de la moyenne des occupations en exposition, et les économistes en activité s'appuient déjà quotidiennement sur l'IA pour le code, la recherche bibliographique et les premiers brouillons.
Mais l'exposition n'est pas le remplacement. Les parties du métier qui portent sa valeur — choisir la question, juger si la variation est réellement exogène, et assumer un conseil lorsqu'un gouverneur ou un ministre agit dessus — sont des tâches de jugement et de responsabilité que les systèmes actuels assistent plutôt qu'ils ne les exécutent. La prévision réaliste est une profession qui rétrécit à l'extrémité routinière tandis que son travail de jugement senior, le cas échéant, gagne en levier.
Une part substantielle de la journée de travail — préparation des données, estimation routinière, production de graphiques, revue bibliographique, prose de premier brouillon, prévisions à court horizon — est déjà automatisable, et une grande partie l'est déjà en pratique. Ce qui résiste est le cœur pour lequel un client paie réellement : cadrer les questions, juger les affirmations causales, intégrer les modèles à la réalité institutionnelle, et assumer le conseil. Environ un tiers du métier est aujourd'hui travail de machine ; le jugement responsable au-dessus ne l'est pas.
Noté des tâches, pas du titre du poste. Plus bas, c'est plus sûr.
Tâches que l'IA ne peut pas →Décider ce qui vaut la peine d'être mesuré — quelle politique, quelle marge, quelle comparaison — est l'étape avant que tout outil n'intervienne, et celle sur laquelle des programmes de recherche et des appels politiques entiers réussissent ou échouent.
Les crises sont précisément les moments où les relations ajustées échouent ; 2008 et la pandémie ont récompensé les économistes capables de raisonner au-delà de leurs modèles pendant que les modèles avaient tort.
Comités de fixation des taux, responsables des chiffrages budgétaires et témoins experts répondent par leur nom de leurs jugements ; aucune institution ne délègue encore un vote, un chiffrage fiscal ou un témoignage assermenté à un modèle.
Un conseil ne compte que si un ministre, un conseil d'administration ou le public y croit ; construire cette confiance — en briefings, témoignages et langage simple — est un travail relationnel que l'automatisation n'atteint pas.
Savoir comment les données sont construites, comment la dernière crise s'est réellement déroulée, et ce qu'une statistique donnée omet dans un pays donné est un savoir tacite que les modèles consomment mais ne créent pas.
Mettre en forme les résultats, rédiger des sections standard et produire des packs de graphiques — une fraction réelle des heures des économistes juniors — est déjà géré de bout en bout par scripts et assistants IA.
Fusionner des jeux de données, standardiser des variables et lancer des régressions bien spécifiées est de plus en plus automatisé ; les assistants de codage IA écrivent désormais du Stata, R et Python utilisables pour exactement ces tâches.
Les grands modèles de langage résument les working papers, font émerger la littérature connexe et produisent une prose de premier brouillon compétente — compressant des tâches qui consommaient des semaines de temps d'assistant de recherche.
Le nowcasting du PIB et de l'inflation à partir de données haute fréquence est largement un problème de machine learning déjà, et les banques centrales exécutent de tels modèles routinièrement ; le rôle humain s'est déplacé vers les interpréter et les outrepasser.
L'unité de preuve passe des enquêtes de mille personnes à des populations entières de registres fiscaux, transactions et imagerie satellite — l'approche que l'équipe Opportunity Insights de Raj Chetty utilisa pour cartographier la mobilité américaine à partir de données IRS anonymisées, désormais en diffusion dans les agences statistiques du monde entier.
Programmation, revue bibliographique et rédaction migrent vers des outils IA, vidant l'apprentissage traditionnel d'assistant de recherche ; le domaine débat activement comment la prochaine génération apprendra le jugement de métier lorsque le travail routinier qui l'enseignait est automatisé.
Suivant le manifeste d'Alvin Roth de l'économiste du design, le design de marché passa du papier à la production : algorithmes d'échange de reins, enchères de spectre et marchés publicitaires en ligne sont construits et exploités par des économistes, déplaçant le prestige de l'explication des économies vers leur construction.
Les banques centrales orientent désormais les économies en partie par le discours — forward guidance, graphiques en éventail, conférences de presse — et les réseaux sociaux ont fait de l'explication publique une compétence centrale ; la profession promeut de plus en plus des économistes capables de tenir une salle, pas seulement une régression.
Concevoir enchères, tarification et règles de place de marché au sein d'entreprises technologiques — une trajectoire de carrière qui existait à peine avant le travail d'enchères publicitaires de Google sous Hal Varian et qui est aujourd'hui l'une des plus grandes destinations pour les nouveaux docteurs en économie.
Diriger des nudge units — un rôle inventé lorsque le Behavioural Insights Team britannique fut fondé au sein du Cabinet Office en 2010 et depuis copié par des dizaines de gouvernements — appliquant économie comportementale et essais aux lettres fiscales, retraites et santé publique.
Tarifer le carbone, modéliser des scénarios de transition et stress-tester les systèmes financiers face au risque climatique, une spécialité couronnée par le Nobel de 2018 à William Nordhaus et désormais exigée par banques centrales, assureurs et ministères.
Construire des systèmes de nowcasting et des tableaux de bord de politique à partir de données de paiements, offres d'emploi et flux satellite — le rôle frontière entre économétrie et machine learning que les agences statistiques et fintech recrutent le plus vite.
Trois lentilles reversibles: augmenter, remplacer une tranche, ou ouvrir une niche. Pedagogique, pas une prevision.
Le role reste; l IA accelere brouillons ou recherche; le jugement reste humain.
Un paquet etroit de taches peut se comprimer d abord tandis que le craft adjacent croit.
Supervision et integration peuvent apparaitre la ou la sortie IA doit etre fiable.
La lecture honnête des preuves est que l'économie est une profession à forte exposition et fort jugement : plus de ses tâches quotidiennes peuvent être automatisées que dans la plupart des domaines, et plus de sa valeur réside dans le résidu qui ne le peut pas. La couche routinière — nettoyage, programmation, rédaction, prévisions standard — est absorbée rapidement, et les rôles d'entrée construits sur cette couche s'aminciront.
Ce qui s'étend, c'est le levier de la couche de jugement. Un économiste assisté par IA peut tester plus de spécifications, lire plus de littérature et produire plus de scénarios qu'une équipe entière il y a une décennie — mais le choix de la question, le verdict causal et le conseil portent encore un nom humain. Les institutions qui engagent des décisions sur l'analyse économique ne montrent aucun mouvement vers retirer ce nom.
Le précédent à retenir est que les économistes ont déjà absorbé leur propre automatisation : l'ordinateur électronique effaça les commis calculateurs de la profession et fit de l'économétrie une industrie ; le logiciel de régression bon marché démocratisa l'estimation et releva la prime de savoir quoi estimer. L'IA est le même échange à plus grande échelle — moins de mains sur les données, plus de poids sur le jugement.
Les voisins les plus proches sur le profil de six points — pas seulement le même champ.
Conseille les clients, rédige les documents qui les lient et défend leur cause lorsqu'elle est portée devant le tribunal, engageant ainsi sa responsabilité juridique personnelle si le conseil est erroné.
Résistant à l'IA 58 💊L'expert des médicaments derrière chaque ordonnance — des premières boutiques de drogues de Bagdad et du mortier de l'apothicaire à la morphine, l'artémisinine et l'officine moderne.
Résistant à l'IA 58 🛰️Conçoit, analyse et certifie les avions, les fusées et les engins spatiaux qui quittent le sol, en respectant des marges de sécurité qui ne laissent aucune place aux suppositions.
Résistant à l'IA 74 🧫Utilise les données cliniques, d’essais et du système de santé pour générer des preuves fiables pour des soins, des recherches et des décisions opérationnelles plus sûrs.
Résistant à l'IA 68 🦾Conçoit les machines qui perçoivent, décident et agissent dans le monde physique — où le vrai défi n'a jamais été l'intelligence, mais le monde lui-même.
Résistant à l'IA 65 🌿Dirige la stratégie, la mesure et le reporting qui aident les organisations à réduire les dommages environnementaux et sociaux tout en respectant leurs obligations commerciales.
Résistant à l'IA 66Celui ou celle qui crée l'entreprise — repère la faille, porte le risque et répond de la paie, des financiers de caravanes assyriens aux fondateurs financés par capital-risque.
Résistant à l'IA 88 💹Le négociateur qui valorise les entreprises et fait circuler le capital — un métier de la Florence des Médicis aux pitch decks d'aujourd'hui, rémunéré pour la confiance lorsque des milliards changent de mains.
Résistant à l'IA 42 🧾Le gardien des livres : héritier d'un métier si ancien qu'il a inventé l'écriture, négociant aujourd'hui avec les logiciels conçus pour l'automatiser.
Résistant à l'IA 35 📣Le professionnel qui crée la demande — des murs peints de Pompéi et du mémo « brand man » de P&G en 1931 aux fils d'actualité gouvernés par les enchères de l'ère numérique.
Résistant à l'IA 38 🗺️Décide ce que l'entreprise doit construire ensuite, et pourquoi — en transformant les besoins clients, les objectifs business et les contraintes techniques en un plan partagé que personne d'autre ne possède vraiment.
Résistant à l'IA 50 🌿Dirige la stratégie, la mesure et le reporting qui aident les organisations à réduire les dommages environnementaux et sociaux tout en respectant leurs obligations commerciales.
Résistant à l'IA 66